如何按年份和日期分组，并在 pandas 中汇总总和

Question

有人可以告诉我如何找到每月收入，对其进行排序并可视化吗？  Month&Year  |   Monthly Revenue0   2016-11   |   261.96001   2016-11   |   731.94002   2016-06   |   14.62003   2015-10   |   957.57754   2015-10   |  22.36809989    2014-01  |  25.24809990    2017-02  |   91.96009991    2017-02  |  258.57609992    2017-02  |   29.60009993    2017-05  |   243.1600如何显示不同年份各个月份的收入总和

Answer 1

• 查看内嵌评论

• pandas.to_datetime

• .dt存取器

  • pandas.Series.dt.year

  • pandas.Series.dt.month

• pandas.DataFrame.groupby

  • 聚合

• pandas.DataFrame.plot.barh

import pandas as pd

import matplotlib.pyplot as plt

# setup dataframe

data = {'Month&Year': ['2016-11', '2016-11', '2016-06', '2015-10', '2015-10', '2014-01', '2017-02', '2017-02', '2017-02', '2017-05'],

        'Monthly Revenue': [261.96, 731.94, 14.62, 957.5775, 22.368, 25.248, 91.96, 258.576, 29.6, 243.16]}

df = pd.DataFrame(data)

# convert the Month&Year column to a datetime column

df['Month&Year'] = pd.to_datetime(df['Month&Year'], format='%Y-%m')

# use the .dt accessor to groupby year and month and sum Monthly Revenue

dfg = df.groupby([df['Month&Year'].dt.year, df['Month&Year'].dt.month]).agg({'Monthly Revenue': sum})

# rename the index columns

dfg.index = dfg.index.set_names(['year', 'month'])

# display(dfg)

            Monthly Revenue

year month                 

2014 1              25.2480

2015 10            979.9455

2016 6              14.6200

     11            993.9000

2017 2             380.1360

     5             243.1600

# plot

dfg.plot.barh(figsize=(8, 5), legend=False)

plt.xlabel('Revenue')

plt.xscale('log')

plt.show()

或者

不是按yearand分组month，而是 groupby date。

# groupby 

dfg = df.groupby(df['Month&Year'].dt.date).agg({'Monthly Revenue': sum})

# plot

dfg.plot.barh(figsize=(8, 5), legend=False)

plt.xlabel('Revenue')

plt.ylabel('Date')

plt.xscale('log')

plt.show()